Diseño Basado en Datos: Cómo Crear una Experiencia de Usuario Personalizada
Vivimos en la era del big data y la analítica, y parece que esta disciplina ha aparecido en casi todos lados, incluyendo ventas, marketing, gestión de productos y, por supuesto, diseño de experiencia de usuario (UX).
Hay una buena razón por la cual la analítica de datos se ha vuelto una parte esencial del flujo de trabajo de diseño en la actualidad. Al analizar el comportamiento de tus usuarios, puedes mejorar significativamente la calidad de tus diseños.
Así que, vamos a entender cómo los equipos de diseño pueden aprovechar el diseño basado en datos y asegurarse de que los usuarios estén en un estado de absoluta satisfacción al interactuar con tu producto.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
¿Qué es el diseño basado en datos (y por qué usar datos en tu proceso de diseño UX)?
El diseño basado en datos es el proceso de incorporar el seguimiento y la analítica de datos en tu flujo de trabajo para ayudarte a tomar mejores decisiones de diseño fundamentadas en los aprendizajes que obtienes de tus herramientas de análisis de datos.
Los diseñadores utilizan una variedad de herramientas de investigación de usuarios y analítica para rastrear los recorridos críticos de los usuarios y los KPI que representan la facilidad de uso general de su producto. Para esto emplean procesos como pruebas A/B, análisis de diferentes tipos de datos (por ejemplo, datos cuantitativos y cualitativos), pruebas con usuarios, entrevistas con grupos focales, creación de páginas de aterrizaje y prototipos rastreables, entre otros.
Como resultado, pueden identificar rápidamente problemas de usabilidad, encontrar el núcleo del problema que los causa y solucionarlos.
Además, los equipos de diseño usan activamente la analítica de datos para medir el impacto de sus últimos diseños en la experiencia del usuario y utilizan los hallazgos para crear nuevas y mejores iteraciones.
Ejemplos de diseño informado por datos
La disciplina de implementar soluciones de diseño UX basadas en datos empíricos es mucho más popular de lo que podrías pensar. La mayoría de las empresas exitosas de productos utilizan activamente este proceso para asegurarse de que las elecciones de diseño que hacen probablemente tengan un impacto positivo en su producto.
Aquí tienes tres ejemplos de estos productos.
Reproducción automática de YouTube
¿Recuerdas las versiones antiguas de YouTube cuando tenías que hacer clic en un nuevo video después de que terminaba el actual? ¿No era eso molesto?
Bueno, esta “función” provocaba una caída significativa en la tasa de interacción de los usuarios de YouTube (número de videos reproducidos por día), y el equipo de diseño decidió hacer algo al respecto.
Analizaron los datos y obtuvieron dos ideas interesantes:
- Las personas tienden a ver varios videos seguidos. Algunas prefieren poner música en YouTube como ruido de fondo mientras cocinan o limpian. Otras (como yo) prefieren quedarse dormidas con algún video sonando de fondo.
- Muchos usuarios no hacían clic en otra miniatura de video después de que terminaba la reproducción. Era incómodo para muchos tener que hacer clic continuamente en las miniaturas.
Basados en estos hallazgos, decidieron agregar la famosa función de “reproducción automática”, que pasaría automáticamente a un video relacionado sugerido por la plataforma o al siguiente en la lista de reproducción.
Como resultado, YouTube experimentó un gran aumento en sus métricas de interacción.
Flujo de reseñas centrado en el usuario de Airbnb
Si alguna vez te has alojado en una propiedad de Airbnb, lo más probable es que hayas reseñado el lugar completando el flujo de retroalimentación de la plataforma.
Si te pregunto si dejar una reseña fue engorroso, la mayoría probablemente diría que el formulario no era corto, pero tampoco les resultó doloroso llenarlo.
Bueno, eso es porque no tuviste oportunidad de experimentar el suplicio de completar el formulario de reseñas de Airbnb de antaño, que tenía muchísimas preguntas.
El equipo de Airbnb tenía dos problemas:
- Pocas personas completaban sus formularios de reseña.
- Las respuestas en sus formularios eran muy genéricas y poco útiles.
Para encontrar una solución, el equipo de diseño comenzó a analizar los datos de desempeño del formulario y entendió que la gran mayoría simplemente lo abandonaba a la mitad.
Basándose en estos aprendizajes, el equipo empezó a realizar pruebas de usabilidad y comprendió que:
- El tamaño del formulario era abrumador para los usuarios. Nadie quería responder tantas preguntas.
- Las personas dejaban comentarios genéricos porque no querían gastar su valioso tiempo en escribir reseñas detalladas.
Ahora que la raíz del problema era clara, el equipo de Airbnb inició una gran rediseño de la experiencia de reseña. En lugar de un solo formulario largo, crearon varias páginas con formularios más cortos para evitar abrumar a los usuarios.
También empezaron a utilizar botones con respuestas predefinidas en lugar de campos de texto, lo que les ayudó a evitar respuestas genéricas. Además, el equipo podía ejecutar análisis de datos sobre las respuestas de los usuarios y optimizarlas aún más, ya que ahora eran respuestas estructuradas en lugar de texto.
¡Como probablemente ya habrás adivinado, el formulario rediseñado fue un éxito rotundo!
Navegación de Comentarios de Reddit
Reddit no es simplemente otro foro. Se ha convertido en un fenómeno cultural y el lugar donde toda la internet se reúne para debatir temas.
Sin embargo, hubo una desventaja interesante debido a la popularidad de Reddit. La gente agregaba tantos comentarios a los temas publicados en el sitio que se volvía imposible leer todo el hilo. Era especialmente molesto navegar cuando había docenas de respuestas bajo un solo comentario, y tenías que desplazarte mucho para llegar al siguiente comentario.
La gente de Reddit conocía este problema. Incluso tenían varios conceptos para rediseñar la sección de comentarios y hacerla más fácil de navegar.
Para elegir el mejor concepto, comenzaron a realizar pruebas de usabilidad y a aprovechar otros métodos de investigación para recopilar datos sobre la interacción de los usuarios, extraer métricas clave y comparar sus conceptos utilizando estas métricas.
Crearemos un nuevo gráfico de segmentación (también conocido como gráfico ordinario) en Amplitude haciendo clic en el botón “Nuevo” y seleccionando “Segmentación” en la barra lateral que se abre.
Luego, debemos seleccionar los eventos que nos ayudarán a medir la adopción. En nuestro caso, será “Seguir Lista de Reproducción”.
A continuación, necesitamos asegurarnos de que los números en el gráfico representen el porcentaje de usuarios activos que realizan esta acción. Así que seleccionaremos la opción “Activo %” en el menú “Medido como”.
Así es como lucirá nuestro gráfico. Muestra que alrededor del 70% de nuestros usuarios activos diarios siguen listas de reproducción todos los días. Para ser honesto, parece un muy buen resultado.
Finalmente, guardaremos nuestro gráfico y trabajaremos en las métricas restantes.
Puedes crear un tablero para tener una vista única de todas tus métricas clave. Para esto, haremos clic de nuevo en el botón “Nuevo”, elegiremos “Informe” y luego “Tablero”.
Como resultado, veremos un tablero vacío que debemos nombrar y llenar con los gráficos que creamos previamente.
Llamémoslo “Métricas Clave de Usabilidad” y agreguemos nuestros gráficos haciendo clic en “Agregar contenido”, luego “Gráfico existente” y seleccionando los gráficos que creamos.
¡Felicidades! ¡Ahora tienes una visión general de todas tus métricas clave!
Paso 5: Revisa y analiza constantemente tus informes
Los resultados que ves en tu tablero de Amplitude están “vivos”. Subirán o bajarán dependiendo de los cambios que hayas realizado en tu UX. Por lo tanto, debes revisar constantemente estas métricas para:
- Ver si tus esfuerzos han tenido un impacto positivo en la usabilidad de tu producto.
- Identificar métricas con bajo rendimiento e intentar descubrir la causa detrás de ellas.
Te sugiero que organices reuniones de revisión semanales o quincenales con tus partes interesadas para discutir los cambios en los KPI y hacer lluvia de ideas sobre posibles causas para aquellos que no muestran buen desempeño.
El resultado de estas reuniones debe ser una lista de hipótesis sobre cómo mejorar tus métricas y de posibles problemas que causan bajo rendimiento.
Luego ejecutarás un proceso de investigación de diseño UX para validar o descartar estas hipótesis y empezar a construir soluciones que puedan marcar la diferencia.
Aquí tienes un caso de estudio del mundo real de mi experiencia.
Uno de los productos en los que estaba trabajando era una plataforma de marketing para sitios web que les permitía enviar notificaciones push a su audiencia. Después de registrarse, los propietarios de sitios web debían instalar nuestro SDK en sus sitios para activar las notificaciones push.
Construimos un gráfico de embudo que mostraba todos los pasos principales que los propietarios de sitios web debían configurar. Cuando revisamos el embudo por primera vez, notamos algo extraño. Había una enorme caída del 70 % entre el paso de instalación del SDK y el primer envío de notificación push.
Después de una sesión de lluvia de ideas, planteamos la hipótesis de que la causa de esta caída era la ausencia de un “modo de prueba”, en el que los usuarios pudieran comprobar si las notificaciones push funcionaban correctamente.
Realizamos varias pruebas de usabilidad y entrevistas con usuarios para validar esta hipótesis. Resultó que los propietarios de sitios web no se sentían cómodos utilizando una tecnología nueva a menos que primero la probaran en sí mismos.
Así que diseñamos y construimos un recorrido de prueba que los usuarios realizarían justo después de instalar el SDK. El resultado fue sorprendente. Pudimos cubrir bastante bien las necesidades y puntos de dolor de los usuarios. ¡En un par de semanas, la caída del 70 % se convirtió en tan solo un 15 %!
Paso 6: Integra los aprendizajes en tus diseños
El paso final de tu enfoque basado en datos es también el más importante. Tus análisis e hipótesis no impactarán tu producto a menos que actúes en consecuencia.
La forma en que manejamos este proceso para uno de los productos que lideraba fue bastante sencilla. En el momento en que validábamos una hipótesis, creábamos una tarea de diseño de producto en nuestra herramienta de gestión de tareas, la priorizábamos y la asignábamos a uno de nuestros diseñadores.
En cuanto el diseño estaba listo, realizábamos pruebas de usabilidad moderadas o no moderadas, iterábamos según el feedback del usuario y preparábamos el nuevo diseño para la refinación del backlog.
No importa si sigues el proceso que acabo de explicarte o si creas el tuyo propio—¡asegúrate de actuar sobre lo que has aprendido!
Mejora tu juego de diseño con datos
El análisis de datos es una herramienta fantástica en manos de un equipo de diseño. Al monitorear y analizar constantemente tus métricas clave de usabilidad, puedes mejorar significativamente tu toma de decisiones y crear experiencias de usuario que dejarán a tus usuarios asombrados.
No olvides suscribirte a nuestro boletín para recibir más recursos y guías sobre gestión de productos, además de los últimos pódcasts, entrevistas y otros conocimientos de líderes y expertos de la industria.
Hubo una solución de diseño que superó claramente a las demás: permitir a los usuarios expandir y contraer respuestas.
De esta manera, si no querías leer el interminable hilo de respuestas bajo cierto comentario, simplemente podías contraerlo y pasar al siguiente comentario de la lista.
Como puedes ver, el proceso de diseño basado en datos está en el centro del flujo de trabajo de muchos productos exitosos.
Y sé que tú también quieres que tus decisiones de diseño se basen en datos (si no, ¿por qué estás aquí?).
Así que aquí tienes un desglose paso a paso sobre cómo incorporar el diseño guiado por datos en el proceso de desarrollo de tu producto.
6 pasos para habilitar decisiones basadas en datos para tu producto
Adoptemos aquí un enfoque más práctico. En lugar de simplemente hablar de lo que se debería hacer en teoría, también veremos ejemplos para cada paso utilizando herramientas reales. El arma principal que elegiré hoy es Amplitude, ya que es la herramienta de análisis de productos basada en eventos que uso en mi trabajo a diario.
Ahora, comencemos con el primer paso: la estrategia.
Paso 1: Crea una estrategia de análisis de datos con tus partes interesadas
Puedes olvidarte de obtener resultados valiosos de tus esfuerzos de análisis de datos si no tienes una buena estrategia para ello.
Una estrategia típica de análisis de datos incluye las siguientes dos secciones:
Sección 1: Objetivos
Debes definir claramente la razón por la que estás implementando analítica en primer lugar. Sin objetivos claros, corres el riesgo de rastrear y medir datos de usuarios que no contienen información valiosa.
Ahora, imaginemos que estás a cargo de Spotify y veamos qué aspecto tendrían unos objetivos típicos para ti.
Lo sé, estos objetivos parecen bastante obvios. Pero créeme, si no los dejas bien claros, acabarás con un desastre en tu análisis de datos.
Sección 2: KPIs
Una vez que tienes listos tus objetivos, los utilizarás para derivar las métricas clave que quieres medir. La palabra clave aquí es "derivar". Significa que mejorar tus métricas debería acercarte a lograr tus objetivos.
Por ejemplo, si tu objetivo es el crecimiento sostenible de usuarios, deberías considerar medir la retención, la tasa de activación y la tasa de registro. Elegir el MRR como métrica clave, en cambio, sería una mala idea, ya que puedes aumentar tus ingresos a corto plazo pero perder la mayor parte a largo plazo. En ese caso, tu crecimiento no sería sostenible y fracasarías en alcanzar tu objetivo.
Así se vería una lista de KPIs para el primer objetivo de nuestro ejemplo anterior: “Mejorar la experiencia del usuario”:
Todos estos son indicadores de una experiencia de usuario positiva. Si las tasas mencionadas anteriormente están aumentando, podemos afirmar con confianza que los usuarios están disfrutando nuestro producto.
Paso 2: Integra una Herramienta de Análisis de Datos
Ahora que tienes claro qué quieres medir, es momento de pensar en cómo lo vas a medir. En particular, se trata de elegir la herramienta de análisis que terminarás utilizando para encontrar información interesante en tus datos.
Existe una amplia gama de herramientas que puedes considerar para esto, dependiendo de la categoría de análisis en la que estés interesado (por ejemplo, mapas de calor, datos demográficos, comportamiento de usuario, etc.), el conjunto de funcionalidades (cohortes, embudos, etc.), y, por supuesto, tu presupuesto.
Aquí tienes un par de opciones para considerar según cada tipo:
- Mapas de calor (incluyendo pruebas A/B y multivariantes): Hotjar, Mouseflow, Clarity.
- Datos demográficos y análisis del sitio (por ejemplo, tasa de rebote): Google Analytics, Matomo, Yandex Metrica.
- Análisis orientados a eventos (para tasas de conversión, embudos, etc.): Amplitude, Mixpanel.
- Business Intelligence (para métricas de impacto financiero, etc.): Looker Studio, Tableau, PowerBI.
Mi configuración actual consiste en una combinación de GA4, Hotjar, Amplitude y Looker Studio.
Sin embargo, hoy quiero centrarme en Amplitude y mostrarte cómo integrarlo.
Usaremos Google Tag Manager (GTM) para mantener las cosas simples y evitar involucrar a tu equipo de ingeniería en la configuración.
Comenzaremos abriendo GTM, haciendo clic en “Etiquetas” en la barra lateral izquierda para ver nuestra lista de etiquetas, y seleccionando “Nueva” para abrir el panel de creación de etiquetas.
Para evitar configurar manualmente una etiqueta para Amplitude, la empresa ha creado una plantilla que podemos usar. Para utilizar esa plantilla, haremos clic en la tarjeta “Configuración de etiquetas” para abrir la galería de plantillas.
Aquí, debemos hacer clic en “Descubre más tipos de etiquetas en la Galería de Plantillas de la Comunidad”, buscar “Amplitude” y seleccionar “Amplitude Analytics Browser SDK”.
Estamos casi listos. Primero, necesitamos añadir nuestra Clave API de Amplitude en el campo correspondiente.
Luego añadimos un activador haciendo clic en la tarjeta de activadores en la pantalla y seleccionando “Inicialización—Todas las páginas”.
Finalmente, damos un nombre a nuestra etiqueta (por ejemplo, “Amplitude Initialize”), la guardamos y publicamos una nueva versión en GTM. ¡Voilà! La próxima vez que alguien abra tu producto, el SDK de Amplitude se inicializará y comenzará a funcionar en segundo plano.
Paso 3: Documenta tu Proceso de Recolección de Datos Cuantitativos
Ejecutar Amplitude es solo el inicio de la configuración. Como es una herramienta de análisis orientada a eventos, necesitarás configurar manualmente eventos en tu producto y enviarlos utilizando el SDK de Amplitude, que acabamos de agregar a tu producto usando GTM.
Pero antes de añadir eventos, primero deberemos documentarlos. Un documento de recolección de datos suele ser una hoja de cálculo donde se listan los eventos que el SDK disparará, las acciones del usuario que los activarán, y los distintos parámetros que deseas enviar a Amplitude junto con el evento.
Así luce una versión simplificada de esta hoja para hacer seguimiento de las interacciones de usuario en el formulario de reseñas de Airbnb.
Después de haber documentado los eventos que necesitamos rastrear, pediremos a nuestro equipo de ingeniería que agregue disparadores para cada uno en nuestro código frontend usando el SDK de Amplitude. Cuando completen esta tarea, nuestro producto automáticamente activará estos eventos y enviará los datos necesarios a Amplitude para que podamos analizarlos.
Paso 4: Crea informes y tableros para tus métricas clave de UX
En este punto, tienes todo lo necesario para comenzar el análisis real y determinar si la experiencia de usuario cumple con tus expectativas.
Tu camino hacia la visualización de datos comenzará construyendo gráficos para las métricas de usabilidad clave que identificaste y documentaste previamente usando la herramienta de análisis de tu elección. Permíteme mostrarte cómo hacerlo utilizando Amplitude como ejemplo. La tasa de adopción de listas de reproducción parece ser una gran métrica para empezar.
Crearemos un nuevo gráfico de segmentación (también conocido como gráfico ordinario) en Amplitude haciendo clic en el botón “Nuevo” y seleccionando “Segmentación” en la barra lateral que se abre.
Luego, debemos seleccionar los eventos que nos ayudarán a medir la adopción. En nuestro caso, será “Seguir Lista de Reproducción”.
A continuación, necesitamos asegurarnos de que los números en el gráfico representen el porcentaje de usuarios activos que realizan esta acción. Así que seleccionaremos la opción “Activo %” en el menú “Medido como”.
Así es como lucirá nuestro gráfico. Muestra que alrededor del 70% de nuestros usuarios activos diarios siguen listas de reproducción todos los días. Para ser honesto, parece un muy buen resultado.
Finalmente, guardaremos nuestro gráfico y trabajaremos en las métricas restantes.
Puedes crear un tablero para tener una vista única de todas tus métricas clave. Para esto, haremos clic de nuevo en el botón “Nuevo”, elegiremos “Informe” y luego “Tablero”.
Como resultado, veremos un tablero vacío que debemos nombrar y llenar con los gráficos que creamos previamente.
Llamémoslo “Métricas Clave de Usabilidad” y agreguemos nuestros gráficos haciendo clic en “Agregar contenido”, luego “Gráfico existente” y seleccionando los gráficos que creamos.
¡Felicidades! ¡Ahora tienes una visión general de todas tus métricas clave!
Paso 5: Revisa y analiza constantemente tus informes
Los resultados que ves en tu tablero de Amplitude están “vivos”. Subirán o bajarán dependiendo de los cambios que hayas realizado en tu UX. Por lo tanto, debes revisar constantemente estas métricas para:
- Ver si tus esfuerzos han tenido un impacto positivo en la usabilidad de tu producto.
- Identificar métricas con bajo rendimiento e intentar descubrir la causa detrás de ellas.
Te sugiero que organices reuniones de revisión semanales o quincenales con tus partes interesadas para discutir los cambios en los KPI y hacer lluvia de ideas sobre posibles causas para aquellos que no muestran buen desempeño.
El resultado de estas reuniones debe ser una lista de hipótesis sobre cómo mejorar tus métricas y de posibles problemas que causan bajo rendimiento.
Luego ejecutarás un proceso de investigación de diseño UX para validar o descartar estas hipótesis y empezar a construir soluciones que puedan marcar la diferencia.
Aquí tienes un caso de estudio del mundo real de mi experiencia.
Uno de los productos en los que estaba trabajando era una plataforma de marketing para sitios web que les permitía enviar notificaciones push a su audiencia. Después de registrarse, los propietarios de sitios web debían instalar nuestro SDK en sus sitios para activar las notificaciones push.
Construimos un gráfico de embudo que mostraba todos los pasos principales que los propietarios de sitios web debían configurar. Cuando revisamos el embudo por primera vez, notamos algo extraño. Había una enorme caída del 70 % entre el paso de instalación del SDK y el primer envío de notificación push.
Después de una sesión de lluvia de ideas, planteamos la hipótesis de que la causa de esta caída era la ausencia de un “modo de prueba”, en el que los usuarios pudieran comprobar si las notificaciones push funcionaban correctamente.
Realizamos varias pruebas de usabilidad y entrevistas con usuarios para validar esta hipótesis. Resultó que los propietarios de sitios web no se sentían cómodos utilizando una tecnología nueva a menos que primero la probaran en sí mismos.
Así que diseñamos y construimos un recorrido de prueba que los usuarios realizarían justo después de instalar el SDK. El resultado fue sorprendente. Pudimos cubrir bastante bien las necesidades y puntos de dolor de los usuarios. ¡En un par de semanas, la caída del 70 % se convirtió en tan solo un 15 %!
Paso 6: Integra los aprendizajes en tus diseños
El paso final de tu enfoque basado en datos es también el más importante. Tus análisis e hipótesis no impactarán tu producto a menos que actúes en consecuencia.
La forma en que manejamos este proceso para uno de los productos que lideraba fue bastante sencilla. En el momento en que validábamos una hipótesis, creábamos una tarea de diseño de producto en nuestra herramienta de gestión de tareas, la priorizábamos y la asignábamos a uno de nuestros diseñadores.
En cuanto el diseño estaba listo, realizábamos pruebas de usabilidad moderadas o no moderadas, iterábamos según el feedback del usuario y preparábamos el nuevo diseño para la refinación del backlog.
No importa si sigues el proceso que acabo de explicarte o si creas el tuyo propio—¡asegúrate de actuar sobre lo que has aprendido!
Mejora tu juego de diseño con datos
El análisis de datos es una herramienta fantástica en manos de un equipo de diseño. Al monitorear y analizar constantemente tus métricas clave de usabilidad, puedes mejorar significativamente tu toma de decisiones y crear experiencias de usuario que dejarán a tus usuarios asombrados.
No olvides suscribirte a nuestro boletín para recibir más recursos y guías sobre gestión de productos, además de los últimos pódcasts, entrevistas y otros conocimientos de líderes y expertos de la industria.
